Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Kirjoita tehokkaita videokehotteita

Oppitunti 2 / 12 Päivitetty 3. marraskuuta 2026 Keskitasoinen
Tällä sivulla
  1. Videokehotteen taito
  2. Hyvän kuvauksen neljä osaa
  3. Kaksi videolle ominaista kerrosta: kamera ja ääni
  4. Kolme kehotetta, kolme tyyliä
  5. Parametrien sovittaminen sisältöön
  6. Mikä saa kehotteen epäonnistumaan
  7. Keskeiset asiat

Päivitetty 3. marraskuuta 2026. Perustuu xAI:n sivuihin Video Overview ja Video Generation sekä sen kuvien kehotusoppaaseen: xAI pyytää kuvaamaan koko kuvakulman, mukaan lukien kameran liike, valo ja ääni. Edellisen version sääntöä “korkeintaan kaksi tai kolme lausetta” ei esiinny millään xAI:n sivulla; itse asiassa kuvaopas suosittelee neljää–kuutta lausetta yhtä kuvaa kohden. Tämä oppitunti käsittelee myös 1080p-tukea 1.5-malleille, yhdeksää kuvasuhdetta ja oletusarvoisesti luotavaa ääniraitaa. Lähteet: Video Overview · Video Generation · Image Prompting Guide.

Videokehotteen taito

Luodun videon laatu riippuu suoraan kehotteesi tarkkuudesta, ja videokehote vaatii enemmän kuin kuvakehote. Kun staattinen kuvaus riittää kuvituksen tuottamiseen, videokehotteen on välitettävä myös kohtauksen liike, ajallisuus ja dynamiikka – ja koska video tuotetaan ääniraidan kera, myös se, mitä siinä kuullaan. Kehote, joka kuvailee täydellisesti ympäristön kertomatta koskaan, mikä liikkuu, saattaa tuottaa lähes jäätyneen kuvakulman, joka on teknisesti animoitu mutta visuaalisesti eloton. Tämä oppitunti opettaa sinua jäsentelemään kuvauksiasi, jotta saat parhaan irti Grok Imagine Video -malleista.

Hyvän kuvauksen neljä osaa

Tehokas videokehote jäsentää neljä tietokerrosta, ja työstät kutakin erikseen.

Ensimmäinen on kohde: kohtauksen pääelementti tai -elementit, kuvattuna niin tarkasti, ettei mallin tarvitse keksiä niitä itse. Kirjoittaminen “lintu” jättää kentän täysin auki; kirjoittaminen “kolibri, jonka höyhenet hohtavat sinisinä ja vihreinä” lukitsee ulkonäön ja tekee tuotoksistasi johdonmukaisempia kerrasta toiseen.

Seuraavaksi tulee toiminta, videon ratkaisevin osa. Ei riitä, että sanot jonkin liikkuvan; sinun on määritettävä liike, sen suunta ja voimakkuus. “Lentävä lintu” on aikomus, ei lavastusohje. “Kolibri imee mettä punaisesta hibiskuskukasta, siivet lyövät nopeasti” antaa mallille eleen, kohteen ja rytmin.

Kolmas kerros on ympäristö: paikka, valo, sää ja tunnelma. Yksinkertainen “puutarhassa” jättää mallin valitsemaan ajan ja vuodenajan puolestasi. “Runsas kasvillisuus trooppisessa puutarhassa, kultainen myöhäisen iltapäivän valo siivilöityy lehtien läpi” luo tunnelman ja samalla määrittää valon suunnan kohteeseesi.

Viimeisenä on visuaalinen tyyli, joka määrittää renderöinnin: elokuvallinen, dokumentaarinen, animoitu. Fraasi kuten “elokuvallinen tyyli, matala syvyysterävyys, lämpimät värit” luo mainosmaisen rekisterin, kun taas “tyylitelty 3D-animaatio, pastellisävyt” vie sinut täysin toiseen maailmaan samalla syöttökohtauksella.

Järjestyksellä on väliä. xAI:n kuvien kehotusopas, joka on kirjoitettu staattisille kuville mutta hyödyllinen myös tässä, huomauttaa, että kehote, joka alkaa tunnelmalla, filmigrainilla tai kieltojen listalla, tuottaa kiillotetun kohtauksen, jossa kohde on pelkkä taustahahmo. Aloita siis kohteesta ja sen toiminnasta, ja säästä tyyli loppuun.

Kaksi videolle ominaista kerrosta: kamera ja ääni

Tekstistä videoon -toiminnossa xAI tiivistää ohjeensa yhteen lauseeseen: kuvaile kuvakulma, mukaan lukien kameran liike, valo ja ääni. Kaksi näistä elementeistä ei ole olemassa staattisissa kuvissa.

Kameraa ohjataan kuvausterminologialla: staattinen kuvaus, hidas zoomaus, seuraava kuvaus, dronenäkymä, aikaelokuvaus. xAI:n dokumentaation esimerkit käyttävät niitä sellaisinaan: hidas zoomaus kiitoradan puhujakorokkeelle, kamera liukuu aurinkoiselta ovelta ikkunaan, dronelaukaus huippujen välissä, aikaelokuvaus kukan avautumisesta. Jos et sano mitään, jätät tämän valinnan mallille.

Valo hyötyy kuvaamisesta xAI:n kuvaoppaan tavoin: sen lähde, suunta ja kovuus, tarpeeksi vahvasti, jotta kohde pysyy luettavana. “Kova iltapäivän aurinko vasemmalta” kertoo mallille, mitä valaista; “kiva valo” ei kerro sille mitään.

Ääni on osa lopputulosta: luotu video sisältää oletusarvoisesti ääniraidan, jossa on huulisyndronoitu puhe malleissa grok-imagine-video-1.5 ja sen -lite-versiossa. Kuvaile siis haluamasi äänimaisema – sade asfaltilla, huoneen humina, pehmeä musiikki – tai katkaise raita parametrilla "generate_audio": false, jos aiot lisätä oman ääniraitasi leikkauksessa.

Yksi viimeinen operatiivinen yksityiskohta muuttaa kirjoitustapaasi: 1.5-malleissa tekstistä videoon -toiminto renderöi ensin kehotteesta staattisen kuvan ja animoi sen sitten. Aloituskohtauksen on siis luettava terävänä kuvana – kohde, lavaste, valo – ja liikkeen on oltava se, mitä tapahtuu seuraavaksi.

Kolme kehotetta, kolme tyyliä

Nämä kerrokset yhdistyvät eri tavoin riippuen klipin käyttötarkoituksesta. Mainoskäytössä välität materiaalista ja valosta, ja toiminta pysyy minimaalisena mutta täydellisesti kuvattuna:

A steaming cup of coffee on a rustic wooden table,
steam rising in gentle spirals. Natural side light from
the left, very slow zoom toward the cup, shallow depth of
field, advertising style. Muted coffee shop ambiance.

Esitykseen tarkoitetussa datavisualisoinnissa liikkeestä tulee rakenteellista – se kantaa informaatiota – ja tyylistä tietoisesti selkeä. Tämä video toistetaan live-kommentoinnin alla: luo se mykkänä parametrilla "generate_audio": false.

A slowly rotating globe, bright lines
connecting major cities. Dark background, static camera, style
clean modern infographic.

Luovassa animaatiossa kohde voi lopulta olla abstrakti, kunhan muunnos on kuvattu tarkasti:

Abstract geometric shapes transforming fluidly
into one another, vivid color palette on black background.
Camera slowly orbits the shapes, contemporary motion design
style, synth pads.

Pysähdy hetkeksi tunnistamaan jokaisesta näistä kolmesta lohkosta, missä ovat kohde, toiminta, ympäristö ja tyyli, sekä sen jälkeen kamera ja ääni. Tämä lukuharjoitus tekee kirjoittamisesta myöhemmin luontevaa.

Parametrien sovittaminen sisältöön

Kehote ei toimi yksinään: keston, kuvasuhteen ja resoluution on vastattava sitä. Kesto vaihtelee 1–15 sekunnin välillä, oletusarvon ollessa 8. 1–3 sekunnin kesto sopii yksittäiseen toimintoon, siirtymään tai GIF-tyyliseen renderöintiin; 4–7 sekunnissa saat lyhyen kohtauksen, jossa on alku ja loppu; 8–15 sekunnissa siirryt narratiiviseen jaksoon, jossa on kehitystä. Mitä pidempi video, sitä enemmän generointi aikaa vie, ja hinta lasketaan sekunneittain: aloita lyhyestä ja kasvata vähitellen.

Valitse kuvasuhde lopullisen käyttötarkoituksen perusteella. API tarjoaa yhdeksän vaihtoehtoa: 16:9 (oletus) laajakankaalle, webiin ja esityksiin, 9:16 mobiiliin, tarinoihin ja Reels-videoihin, 1:1 somejulkaisuihin ja pikkukuviin, 4:3 ja 3:4 esityksiin ja muotokuviin, 3:2 ja 2:3 valokuvamaiseen renderöintiin, 21:9 ultra-laajaan elokuvamuotoon, 5:2 banneriin tai sivuston otsikkoon. Kuva-videoksi -toiminnossa tämä valinta katoaa: tuloste seuraa kuvan kuvasuhdetta.

Resoluution osalta pidä 480p esikatseluissa ja luonnoksissa – tämä on oletusarvo, ja renderöinti on nopeampaa – ja siirry sitten arvoon 720p tai 1080p, kun klippi menee tuotantoon. 1080p on olemassa vain 1.5-malleissa: natiivina mallissa grok-imagine-video-1.5, saatu skaalaamalla ylös 720p:stä sen -lite-versiossa, kun taas grok-imagine-video pysähtyy 720p:hen. Yksinkertaisiin videoihin xAI suosittelee mallia grok-imagine-video-1.5-lite, joka on halvin sekuntia kohden, ja varaa mallin grok-imagine-video-1.5 referenssikuville, äänille, pakotetuille kuville ja natiiville 1080p:lle.

Mikä saa kehotteen epäonnistumaan

Viisi sudenkuoppaa toistuvat usein. Ensimmäinen on liian epämääräinen kehote: “kaunis näkymä” ei sisällä käyttökelpoista tietoa. Toinen on kehote, joka haluaa kertoa kaiken – useita kohteita, useita sijainteja, useita kohtauksia muutamassa sekunnissa. Monikulmaista tarinaa varten seuraa xAI:n keittokirjan esimerkkiä Storyboard to Short Film: se jakaa narratiivin neljään kuvakulmaan, generoi jokaisen erikseen omalla kohtauksellaan ja kameran liikkeellään, ja kokoaa ne sitten leikkauksessa. Kolmas, jo mainittu, on kuvatun liikkeen puute, mikä tuottaa staattisen kuvakulman. Neljäs piilee loogisissa ristiriidoissa: pyytäminen “vedessä lentävästä kissasta” asettaa mallin ristiriidan eteen, ja tulos on todennäköisesti epälooginen. Viides on kieltojen lista – “ei autoja, ei tekstiä, ei väkijoukkoa”. xAI:n kuvaopas huomauttaa, että pitkä lista vältettäviä elementtejä ignoroidaan helposti ja täyttää kehotteen esineillä, jotka lopulta ilmestyvät: kuvaile sen sijaan, mitä haluat nähdä.

Pituuden osalta xAI:n dokumentaatio ei anna ihannemittaa videolle, eikä se kvantifioi rajaa, jonka ylittäessä liian pitkä kehote hylätään (invalid_argument-virhe). Sen kuvaopas ehdottaa neljää–kuutta lausetta yhtä kuvaa kohden: kohde ja sen yksityiskohdat, sitten lavaste, valo ja rajaus. Videokuvakulmaa varten aloita tästä rakenteesta ja lisää toiminta, kamera ja ääni.

Harjoitellaksesi kirjoita täydellinen kehote kolmeen eri käyttötarkoitukseen: taustavideo ravintolan verkkosivustolle, 3 sekunnin klippi Instagram-tarinaan vaatemerkille ja abstrakti animaatio tekniseen esitykseen. Tarkista jokaisessa, että neljä kerrosta ovat läsnä, että kamera ja ääni on kuvattu – tai ääniraita katkaistu – ja että kesto ja kuvasuhde vastaavat aiottua käyttötarkoitusta.

Keskeiset asiat

  • Hyvä videokehote sisältää kohteen, toiminnan, ympäristön ja tyylin, alkaen kohteesta
  • xAI pyytää kuvaamaan myös kameran liikkeen, valon ja äänen
  • Ääniraita luodaan oletusarvoisesti; "generate_audio": false tuottaa mykän videon
  • Sovita kesto (1–15 s, oletus 8), kuvasuhde (yhdeksän formaattia) ja resoluutio (jopa 1080p 1.5-malleissa) lopulliseen käyttötarkoitukseen
  • Monikulmainen tarina generoidaan kuvakulma kerrallaan ja editoidaan jälkeenpäin
  • Kuvaile, mitä haluat nähdä, äläkä sitä, mitä et halua